Модуль: tf.compat.v1.nn

Публичный API пространства имён tf._api.v2.nn

Модули

experimental модуль: публичный API пространства имён tf._api.v2.nn.experimental

rnn_cell модуль

Функции

all_candidate_sampler(...): генерирует набор всех классов.

approx_max_k(...): приближённо возвращает максимальные k значений и их индексы во входном operand.

approx_min_k(...): приближённо возвращает минимальные k значений и их индексы во входном operand.

atrous_conv2d(...): атрусная свёртка (также называемая свёрткой с отверстиями или дилатированной свёрткой).

atrous_conv2d_transpose(...): транспонированная операция для atrous_conv2d.

avg_pool(...): выполняет усредняющий пулинг входных данных.

avg_pool1d(...): выполняет усредняющий пулинг входных данных.

avg_pool2d(...): выполняет усредняющий пулинг входных данных.

avg_pool3d(...): выполняет усредняющий пулинг входных данных.

avg_pool_v2(...): выполняет усредняющий пулинг входных данных.

batch_norm_with_global_normalization(...): пакетная нормализация.

batch_normalization(...): пакетная нормализация.

bias_add(...): прибавляет bias к value.

bidirectional_dynamic_rnn(...): создаёт динамическую версию двунаправленной рекуррентной нейронной сети. (устарело)

collapse_repeated(...): объединяет повторяющиеся метки в одну.

compute_accidental_hits(...): вычисляет идентификаторы позиций в sampled_candidates, соответствующие true_classes.

compute_average_loss(...): масштабирует потери для каждого примера с учётом sample_weights и вычисляет их среднее значение.

conv1d(...): вычисляет одномерную свёртку входных данных ранга >=3 с фильтром 3-D. (устаревшие значения аргументов) (устаревшие значения аргументов)

conv1d_transpose(...): транспонированная операция для conv1d.

conv2d(...): вычисляет двумерную свёртку для тензоров input и filter ранга 4.

conv2d_backprop_filter(...): вычисляет градиенты свёртки по фильтру.

conv2d_backprop_input(...): вычисляет градиенты свёртки по входным данным.

conv2d_transpose(...): транспонированная операция для conv2d.

conv3d(...): вычисляет трёхмерную свёртку для тензоров input и filter ранга 5.

conv3d_backprop_filter(...): вычисляет градиенты трёхмерной свёртки по фильтру.

conv3d_backprop_filter_v2(...): вычисляет градиенты трёхмерной свёртки по фильтру.

conv3d_transpose(...): транспонированная операция для conv3d.

conv_transpose(...): транспонированная операция для convolution.

convolution(...): вычисляет суммы N-мерных свёрток (фактически взаимную корреляцию).

crelu(...): вычисляет конкатенированную ReLU.

ctc_beam_search_decoder(...): выполняет декодирование методом поиска по лучу для входных логитов.

ctc_beam_search_decoder_v2(...): выполняет декодирование методом поиска по лучу для входных логитов.

ctc_greedy_decoder(...): выполняет жадное декодирование входных логитов (наилучший путь).

ctc_loss(...): вычисляет функцию потерь CTC (Connectionist Temporal Classification).

ctc_loss_v2(...): вычисляет функцию потерь CTC (Connectionist Temporal Classification).

ctc_unique_labels(...): возвращает уникальные метки и их индексы для пакетных меток для tf.nn.ctc_loss.

depth_to_space(...): выполняет преобразование DepthToSpace для тензоров типа T.

depthwise_conv2d(...): двумерная глубинная свёртка.

depthwise_conv2d_backprop_filter(...): вычисляет градиенты глубинной свёртки по фильтру.

depthwise_conv2d_backprop_input(...): вычисляет градиенты глубинной свёртки по входным данным.

depthwise_conv2d_native(...): вычисляет двумерную глубинную свёртку.

depthwise_conv2d_native_backprop_filter(...): вычисляет градиенты глубинной свёртки по фильтру.

depthwise_conv2d_native_backprop_input(...): вычисляет градиенты глубинной свёртки по входным данным.

dilation2d(...): вычисляет дилатацию в оттенках серого для тензоров input ранга 4 и filter ранга 3.

dropout(...): вычисляет прореживание. (устаревшие аргументы)

dynamic_rnn(...): создаёт рекуррентную нейронную сеть, заданную объектом RNNCell cell. (устарело)

elu(...): вычисляет экспоненциальную линейную функцию.

embedding_lookup(...): выполняет поиск эмбеддингов для заданных ids в списке тензоров.

embedding_lookup_sparse(...): выполняет поиск эмбеддингов для заданных идентификаторов и весов в списке тензоров.

erosion2d(...): вычисляет эрозию в оттенках серого для тензоров value ранга 4 и kernel ранга 3.

fixed_unigram_candidate_sampler(...): выбирает набор классов, используя заданное (фиксированное) базовое распределение.

fractional_avg_pool(...): выполняет дробный усредняющий пулинг входных данных. (устарело)

fractional_max_pool(...): выполняет дробный максимальный пулинг входных данных. (устарело)

fused_batch_norm(...): пакетная нормализация.

in_top_k(...): определяет, входят ли целевые значения в число K лучших предсказаний.

l2_loss(...): функция потерь L2.

l2_normalize(...): выполняет нормализацию вдоль измерения axis с использованием нормы L2. (устаревшие аргументы)

leaky_relu(...): вычисляет функцию активации Leaky ReLU.

learned_unigram_candidate_sampler(...): выбирает набор классов из распределения, выученного во время обучения.

local_response_normalization(...): локальная нормализация отклика.

log_poisson_loss(...): вычисляет логарифмическую функцию потерь Пуассона для log_input.

log_softmax(...): вычисляет активации log-softmax. (устаревшие аргументы)

log_uniform_candidate_sampler(...): выбирает набор классов, используя логарифмически равномерное (Zipf) базовое распределение.

lrn(...): локальная нормализация отклика.

max_pool(...): выполняет максимальный пулинг входных данных.

max_pool1d(...): выполняет максимальный пулинг входных данных.

max_pool2d(...): выполняет максимальный пулинг двумерных пространственных данных, например изображений.

max_pool3d(...): выполняет максимальный пулинг входных данных.

max_pool_v2(...): выполняет максимальный пулинг входных данных.

max_pool_with_argmax(...): выполняет максимальный пулинг входных данных и возвращает как максимальные значения, так и их индексы.

moments(...): вычисляет среднее значение и дисперсию x.

nce_loss(...): вычисляет и возвращает функцию потерь обучения с оценкой шума-контраста.

normalize_moments(...): вычисляет среднее значение и дисперсию на основе достаточной статистики.

pool(...): выполняет N-мерную операцию пулинга.

quantized_avg_pool(...): вычисляет усредняющий пулинг входного тензора для квантованных типов.

quantized_conv2d(...): вычисляет двумерную свёртку для квантованных входного тензора и фильтра ранга 4.

quantized_max_pool(...): вычисляет максимальный пулинг входного тензора для квантованных типов.

quantized_relu_x(...): вычисляет квантованную выпрямленную линейную функцию X: min(max(features, 0), max_value)

raw_rnn(...): создаёт RNN, заданную объектом RNNCell cell и функцией цикла loop_fn.

relu(...): вычисляет выпрямленную линейную функцию: max(features, 0).

relu6(...): вычисляет выпрямленную линейную функцию 6: min(max(features, 0), 6).

relu_layer(...): вычисляет Relu(x * weight + biases).

safe_embedding_lookup_sparse(...): выполняет поиск результатов эмбеддинга с учётом недопустимых идентификаторов и пустых признаков.

sampled_softmax_loss(...): вычисляет и возвращает функцию потерь обучения с выборочным softmax.

scale_regularization_loss(...): масштабирует сумму заданных регуляризационных потерь на количество реплик.

selu(...): вычисляет масштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)

separable_conv2d(...): двумерная свёртка с разделимыми фильтрами.

sigmoid(...): поэлементно вычисляет сигмоиду от x.

sigmoid_cross_entropy_with_logits(...): вычисляет перекрёстную энтропию с сигмоидой для logits.

silu(...): вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

softmax(...): вычисляет активации softmax.

softmax_cross_entropy_with_logits(...): вычисляет перекрёстную энтропию softmax между logits и labels. (устарело)

softmax_cross_entropy_with_logits_v2(...): вычисляет перекрёстную энтропию softmax между logits и labels. (устаревшие аргументы)

softplus(...): поэлементно вычисляет softplus: softplus(x) = log(exp(x) + 1).

softsign(...): вычисляет softsign: features / (abs(features) + 1).

space_to_batch(...): выполняет преобразование SpaceToBatch для четырёхмерных тензоров типа T.

space_to_depth(...): выполняет преобразование SpaceToDepth для тензоров типа T.

sparse_softmax_cross_entropy_with_logits(...): вычисляет разреженную перекрёстную энтропию softmax между logits и labels.

static_bidirectional_rnn(...): создаёт двунаправленную рекуррентную нейронную сеть. (устарело)

static_rnn(...): создаёт рекуррентную нейронную сеть, заданную объектом RNNCell cell. (устарело)

static_state_saving_rnn(...): рекуррентная нейронная сеть, принимающая средство сохранения состояния для вычислений RNN с усечением по времени. (устарело)

sufficient_statistics(...): вычисляет достаточную статистику для среднего значения и дисперсии x.

swish(...): вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

tanh(...): поэлементно вычисляет гиперболический тангенс от x.

top_k(...): находит значения и индексы k наибольших элементов последнего измерения.

uniform_candidate_sampler(...): выбирает набор классов, используя равномерное базовое распределение.

weighted_cross_entropy_with_logits(...): вычисляет взвешенную перекрёстную энтропию. (устаревшие аргументы)

weighted_moments(...): возвращает среднее значение и дисперсию x, взвешенные по частоте.

with_space_to_batch(...): выполняет op над представлением input в формате space-to-batch.

xw_plus_b(...): вычисляет matmul(x, weights) + biases.

zero_fraction(...): возвращает долю нулей в value.